Dokumentasi Knime

Tujuan Tugas:

1. Melakukan pengumpulan data Postgresql

2. Melakukan analisa data untuk klasifikasi tool knime

3. Membangun scripts python untuk analisa data pada knime

Kriteria Tugas:

1. Download Knime https://www.knime.com/downloads

2. Download driver postgresql https://jdbc.postgresql.org/. Pastikan sudah terinstall jdk minimum 9

3. Anda telah menginstall python conda/Miniforge minimum 3.9

Mengumpulkan data postgresql

Data Ecoli dimasukkan kedalam Penyimpanan cloud yaitu aiven melalui dbeaver

Mendownload driver postgresql

ikuti link ini https://jdbc.postgresql.org/ untuk mendownload driver postgresql

Mendownload dan menginstall tool knime

ikuti link ini https://www.knime.com/downloads untuk mendownload tool knime nya

Setelah proses download telah selesai,lanjutkan ketahap instalasi.Setelah instalasi selesai buka tool knime

untuk membuat file baru bisa memilih menu local space terlebih dahulu setelah itu tekan tombol tambah yang besar agar membuat file baru

berikan nama file dengan nama Projek Pra UTS PSD

Pergi ke menu nodes untuk mengakses node node yang ingin kita gunakan, ada banyak node yang bisa kita gunakan untuk kebutuhan pengolahan data kita. Untuk bagian scripting tampilannya akan hanya ada node default nya saja seperti java snippet dan lain lain

nah untuk bisa menggunakan python scripting kita harus menyeting terlebih dahulu, kita pergike menu pada bagian atas disamping sign in setelah itu pilih menu install extension lalu cari entry seperti ini:

• KNIME Python Integration

• KNIME Python Integration (Labs)

• KNIME Deep Learning Integration (Python)

lalu centang extension tersebut agar python scripting terinstall dan muncul pada bagian node

Melakukan analisa data untuk klasifikasi tool knime

pilih node node apa saja yang ingin digunakan, nah berhubung saya telah memasukkan data penyimpanan cloud yaitu aiven melalui dbeaver maka node pertama yang saya pilih adalah postgresql connector

lalu lakukan konfigurasi pada node postgresql connector. lakukan konfigurasi dengan informasi yang sesuai dengan postgre kita

setelah postgresql connector tersambung kita lanjut memilih node DB TABLE SELECTOR agar memilih tabel mana yang ingin digunakan lalu lanjut dengan menggunakan node DB READER untuk membaca data oada tabel kita

lalu saya lanjut menggunakan node BAR CHART dan STATISTICS untuk melihat persebaran datanya

NUMERIC OUTLIER

dibagian lain setelah node DB READER saya memilihi node NUMERIC OUTLIER agar melakukan outlier detection dilanjutkan dengan menggunakan node PYTHON SCRIPT(LEGACY) melakukan penyeimbangan data menggunakan metode smote menggunakan script python

namun sebelum kita menggunakan node tersebut kita harus membuat environtment python terlebih dahulu. jadi saya membuat environtment python pada anaconda. Dan juga ada batasan minimum untuk environtment yang akan dibuat yaitu minimal python 3.9 karena ada satu library yaitu ** library IMP** yang hanya bisa diakses oleh python 3.9 saja untuk python 3.12 tidak akan bisa menggunakan nya

lalu melakukan instalasi library yang akan digunakan pada script python nantinya seperti berikut library yang saya install:

• pandas

• numpy

• matplotlib

• scipy

• scikit-learn

• seaborn

Setelah itu kita menuju tool knimenya dan masuk ke menu PREFERENCES dan kita menuju ke PYTHON ataupun PYTHON(LEGACY) lalu kita melakukan konfigurasi dengan memilih versi python yaitu python3 dan memilih environtmentnya dengan nama conda dan memilih environtment yang kita telah buat tadi untuk environtment yang saya buat bernama KNIME ketika sudah selesai melakukan konfigurasi maka lanjutkan dengan apply and close

Lalu kita bisa kembali kepada workflow kita dan melakukan konfigurasi untuk **PYTHON SCRIPT(LEGACY) ** seperti ini

lalu dilanjutkan dengan menghubungkannya kepada node BAR CHART agar kita bisa melihat visualisasi data yang telah melalui python script

UNBALANCED DATASET(SMOTE)

lalu setelah node OUTLIER NUMERIC kita menghubungkannya kepada node SMOTE untuk melalukan balancing data lalu menghubungkan kepada node STATISTIC DAN NODE BARCHART agar melihat visualisasi data setelah dilakukannya balancing data

MISSING VALUE

Setelah tahap balancing data disini dilanjutkan dengan tahap missing value yang menggunakan node MISSING VALUE lalu menghubungkannya kepada node lain seperti BAR CHART dan VIEW TABLE untuk melihat visualisasi data yang telah dilakukan missing value

Gambar dari Workflow saya

berikut adalah alur dari workflow saya beserta linknya link workflow knime